如果结果不匹配，请 
更多“在机器学习中，通常把数据集划分为()”相关的问题
第1题
下列关于交叉验证法描述正确的是（）。
A.交叉验证法先将数据集划分为k个大小相似的互斥子集
B.交叉验证法将数据集划分成的k个子集应尽可能保持数据分布的一致性
C.通常把交叉验证法称为k折交叉验证
D.假定数据集D中包含m个样本，若令交叉验证法中的系数k=m，则得到了交叉验证法的一个特例：自助法
第2题
题目在机器学习中，过拟合该如何解决（）
A．正则化B．提前终止C．以上都是D．解析A正则化可以有效的控制过拟合，有l1和l2正则化E．B因为我们通常会希望我们的误差函数是平滑的,精确的最小值处所见相应误差曲面具有高度不规则性,而我们的泛化要求减少精确度去获得平滑最小值,所以很多训练方法都提出了提前终止策略.典型的方法是根据交叉叉验证提前终止:若每次训练前,将训练数据划分为若干份,取一份为测试集,其他为训练集,每次训练完立即拿此次选中的测试集自测.因为每份都有一次机会当测试集,所以此方法称之为交叉验证
点击查看答案
第5题
()并行数据处理系统适用于需要多次操作特定数据集的场景，非常适合于机器学习中迭代算法的执行。
（)并行数据处理系统适用于需要多次操作特定数据集的场景，非常适合于机器学习中迭代算法的执行。
点击查看答案
A、Spark
B、Hive
C、Haystack
D、HDFS
第6题
以下关于特征工程的说法不正确的是（）。
A.特征工程指的是把原始数据转变为模型的训练数据的过程
B.它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限
C.特征工程在机器学习中占有非常重要的作用，一般认为括特征构建、特征提取、特征选择三个部分。
D.特征提取是从特征集合中挑选一组具有明显物理或统计意义的特征子集。
第7题
通过传感器、摄像头等设备记录农作物生长状态情况，并将采集的数据上传到机房和云端数据库，再利用计算机视觉和机器学习算法，来监测农作物健康情况。其人工智能可基于数据集训练得到优良农作物模型。例如：数据集由4000个训练样本和8000个测试样本组成，每个样本都被正确标注，这属于机器学习中的（）
A.监督学习
B.非监督学习
C.半监督学习
D.专家系统
第8题
机器学习的主旨是让计算机去模拟或实现人类的学习行为，是人工智能的核心。机器学习虽然可以在大数据训练中学到正确的工作方法，但它也很容易受到恶意干扰。通常攻击者是通过输入恶意数据来“欺骗”机器学习模型，导致其出现严重故障。近日，“Data61”机器学习小组研发出了一种机器学习的新算法。这种新算法通过类似疫苗接种的思路，帮助机器学习“修炼”出抗干扰能力。这是针对机器学习模型打造的防干扰训练，譬如，在图片识别领域，该算法能够对图片集合进行微小的修改或使其失真，激发出机器学习模型的抗干扰能力，并形成相关的自我抗干扰训练模型。这段文字意在说明：()
A.干扰机器识别图像的新方法
B.新算法助机器学习抵抗干扰
C.机器学习是人工智能的核心
D.机器学习大数据训练的方法
第9题
我们想要训练一个ML模型，样本数量有100万个，特征维度是5000，面对如此大数据，如何有效地训练模型（）。
A.对训练集随机采样，在随机采样的数据上建立模型
B.尝试使用在线机器学习算法
C.使用PCA算法减少特征维度
第10题
假如我们建立一个60000个特征，1000万数据集的机器学习模型，我们怎么有效的应对这样的大规模数据的训练（）。
A.对样本进行抽样，在经过抽样的样本上训练
B.应用PCA算法降维，减少特征数量
C.根据重要性对特征进行筛选
D.以上所有
